코스 개요
4단계 개인화 스택
Level 1 | Knows – Rules 및 AGENTS.md
다루는 주제:
• 프로젝트 관례 및 코딩 표준 정의
• 아키텍처와 기술적 제약 사항 문서화
• 도구 중립적인 프로젝트 가이드라인 작성
• 개발 팀과 AI 도구 간 일관성 유지
Level 2 | Can – Skills
다루는 주제:
• 전문 지식의 재사용 가능한 단위 생성
• 필요할 때만 컨텍스트 정보 로드
• 컨텍스트 크기 감소와 작업 성능 향상
• 재사용 가능한 워크플로우와 전문 지식 라이브러리 구축
Level 3 | Reaches – MCP
다루는 주제:
• AI 도구를 외부 시스템 및 서비스와 연결
• 저장소, 데이터베이스 및 문서 소스 접근
• AI 코딩 어시스턴트의 기능 확장
• 보안 통합 및 거버넌스 제어 구현
Level 4 | Acts – Agents
다루는 주제:
• 자율적 AI 에이전트와 그 기능 이해
• 코드의 자동 읽기, 작성, 테스트 및 수정
• 목표 지향 워크플로우와 위임된 작업 관리
․ 에이전틱 시스템에 대한 감독 및 인간 검토 메커니즘 확립
1일차 | 위임과 도구 확장
모듈 1 | 어시스턴트에서 에이전트로
다루는 주제:
• AI 어시스턴트와 자율적 에이전트의 차이점 이해
• 인라인 코드 완성 versus 에이전틱 위임
• 에이전틱 워크플로우가 개발 작업 구조에 미치는 영향
• 에이전트에 위임하기 적합한 작업 식별
• 자율적 AI 시스템과의 협업 모범 사례
모듈 2 | 돌봄 없이 작동하는 위임 & 루프 (Loops)
다루는 주제:
• AI 에이전트를 위한 효과적인 지시문 작성
• 충분한 컨텍스트와 비즈니스 요구 사항 제공
• 실행을 위한 제약 조건 및 한계 정의
• 명확한 수용 기준과 성공 지표 설정
• 품질 유지하면서 인간의 개입 최소화
• 루프(Loops) 구축 방법
모듈 3 | 개인화 스택 및 적용 범위
다루는 주제:
• 4단계 개인화 스택 이해
• Rules 및 AGENTS.md를 사용하여 프로젝트 관례 정의
• 다양한 시나리오에 적용되는 개인화 메커니즘 결정
• 도구 및 프로젝트 간 컨텍스트 효율적 관리
• 일관된 AI 지원 개발 환경 구축
모듈 4 | Skills 및 서브 에이전트 (Subagents)
다루는 주제:
• 공통 워크플로우 및 작업을 위한 재사용 가능한 Skill 생성
• 반복 사용을 위한 전문 지식 패키징
• 서브 에이전트 및 격리된 컨텍스트의 역할 이해
• 제한된 작업을 전문 에이전트에 위임
• 모듈형 AI 워크플로우를 통한 효율성 향상
2일차 | 도구 연결, 병렬 처리 및 거버넌스
모듈 5 | MCP: 연결 및 빌드
다루는 주제:
• 모델 컨텍스트 프로토콜(MCP)의 원칙 이해
• AI 도구를 외부 시스템 및 서비스와 연결
• 브라우저, 데이터베이스, 저장소 및 문서 소스 통합
• 맞춤형 MCP 서버 구축
• 접근 제어 및 보안 고려 사항 관리
모듈 6 | 규율 있는 에이전틱 워크플로우
다루는 주제:
• 반복 가능한 AI 지원 개발 프로세스 확립
• AI 에이전트와 브레인스토밍 및 계획 수립
․ 솔루션 공동 구축 및 구현
• 생성된 결과물 테스트 및 검증
• 적절한 검증 단계로 결과물 검토 및 최종화
• 목표 설정 방법
모듈 7 | 병렬 개발
다루는 주제:
• 여러 AI 에이전트 동시 실행
• 격리된 브랜치 및 Git worktree 작업
• 병렬 워크플로우 간 개발 활동 조정
• 다중 에이전트의 결과물 병합 및 검증
• 병렬 실행 전략을 통한 생산성 향상
모듈 8 | 위험, 검토 및 거버넌스
다루는 주제:
• 외부 Skills 및 MCP 서버 평가 및 검증
• 보안 및 거버넌스 위험 이해
• 권한 및 접근 권리 관리
• 민감한 데이터 및 지적 재산 보호
• 검토 프로세스 및 품질 보증 관행 확립
모듈 9 | 소프트웨어 개발의 AI 도입: 사용 사례 및 다음 단계
다루는 주제:
• 조직이 소프트웨어 개발 수명 주기(SDLC)에 AI를 통합하는 방법
• 다양한 산업에서의 실제 사용 사례 및 구현 예시
• 일반적인 AI 도입 접근 방식: 개인별 도입, 팀 기반 도입 및 조직 전체 활성화
• SDLC 전반의 전형적인 사용 사례:
• 요구 사항 수집 및 문서화
• 코드 생성 및 프로토타이핑
• 테스트 및 품질 보증
• 코드 검토 및 리팩토링
• 문서화 및 지식 관리
• DevOps 및 인시던트 관리
• 거버넌스 모델, 정책 및 보안 고려 사항
• AI 지원 개발의 생산성 및 ROI 측정
• 내부 AI 도입 로드맵 구축
• 참가자 및 팀을 위한 실용적인 다음 단계 정의
인터랙티브 토론 워크숍
• 참가자의 개발 팀 내 현안 과제
• 즉각적인 도입을 위한 고 가치 사용 사례 식별
• 위험, 장애물 및 조직적 고려 사항
• AI 통합을 위한 초기 실행 계획 수립
요건
경력 개발자 경험, 터미널 사용 능력 및 Git 작업 지식. AI 코딩 도일의 정기적인 사용 또는 'Foundations' 과정 이수.
대상
이미 AI 도구를 사용하는 개발자, 팀 내 AI 도입을 담당하는 기술 리더, Skills 및 MCP 서버를 구축하는 플랫폼 엔지니어 또는 DevOps 엔지니어.
회원 평가 (2)
클로드에게 프롬프트를 전달하는 법을 배우고, 가용한 모든 데이터를 클로드를 통해 분석하는 방법을 익히는 중입니다.
Mike Hartleroad - Furniture Row
코스 - Claude AI for Data Analysis and Business Intelligence
기계 번역됨
Office 환경과 상호작용하는 방법 및 반복 작업 설정하기
Matthew Wallace - Group CBS
코스 - Claude AI for Workflow Automation and Productivity
기계 번역됨